hi, ich bin am Überlegen, ob sich bei konstanten Matrizen (A, Q, H, R, B=0) und gegebener Initialisierung irgendwelche Aussagen über die Sprungantwort eines Kalmanfilters treffen lassen. Lineare mathematische Verfahren (Laplace Trafo / z-Trafo) lassen sich nicht ohne Weiteres anwenden. Größtes Problem ist hierbei die Invertierung der S-Matrix und auch insgesamt drei Multiplikationen von Signalen machen Probleme. Irgendwie stört es mich, dass das Kalmanfilter aus Regelungstechnischer Sicht ein so fies nichtlinearer Block sein soll. Lassen sich denn überhaupt keine Aussagen treffen, was die Dynamik angeht? Ich kann doch ganz klar mit Q und R die Sprungantwort formen. Wenn das Verhalten wirklich nichtlinear ist, wie äußert sich diese Nichtlinearität denn? Kann ich ein 1D-Filter zum Beispiel charakterisieren, indem ich verschieden starke "Sprünge" draufgebe und die Antworten messe? Wie berechne ich den interessanten Bereich von Amplituden, die ich draufgeben muss? Ist die Antwort nicht nur Amplituden- sondern auch Frequenzabhängig? Also muss ich andere Anregungen hineingeben als Sprünge? Und wenn mir die Sprungantworten nicht gefallen, wie muss ich die Design-Matrizen ändern, um in bestimmten Frequenz- und Amplitudenbereichen gezielt Änderungen vorzunehmen. Mir ist klar, dass nichtlineare dynamische Systeme schwierig zu charakterisieren sind. Aber bei einem Kalman Filer müsste das doch mal jemand versucht haben. Quellen? Suchbegriffe? Links?
> Irgendwie stört es mich, dass das Kalmanfilter aus Regelungstechnischer
Sicht ein so fies nichtlinearer Block sein soll.
Ein Kalmanfilter ist ja eine generalisiert Matrix. Eine Matrix ist immer
linear. Bezueglich den Vektoren.
Gast
#4745553
Das Kalman Filter beruht auf der diskreten Form. Schau dir die Gleichungen/ die Herleitung des KF an. Stichwort Kovarianzmatrix. Beim Kalmanfilter musst du stochastisch denken. Laplace und co. nutzen dir wenig.
Gast
#4745561
A. S. schrieb: > Ist die Antwort nicht nur Amplituden- sondern auch Frequenzabhängig? Sprung ist Sprung. Damit ist das Anregungsspektrum vorgegeben?
Gast
#4746839
Kommt drauf an wie die Kovarianzmatrizen aussehen: Wenn man zum Beispiel perfekte Messwerte hat und die "System Matrix" auf bekanntes System stellt dann hat man einen Luenberger Beobachter. Wenn es keine Fehler gibt, dann merkt man den Beobachter gar nicht und die Antwort des Gesamtsystem ist gleich dem eigentlichen System. Wie sich das dann verändert, wenn es eben Abweichungen gibt, hängt von den Kovarianzmatrizen ab.
Matthias M schrieb: > Kommt drauf an wie die Kovarianzmatrizen aussehen: Wenn man zum > Beispiel > perfekte Messwerte hat und die "System Matrix" auf bekanntes System > stellt dann hat man einen Luenberger Beobachter. Wenn es keine Fehler > gibt, dann merkt man den Beobachter gar nicht und die Antwort des > Gesamtsystem ist gleich dem eigentlichen System. > > Wie sich das dann verändert, wenn es eben Abweichungen gibt, hängt von > den Kovarianzmatrizen ab. Super, nur wie rechne ich das? Immerhin habe ich bei der Sprunganregung "perfekte Messwerte", ich nehme das aber natürlich in meinem realen Kalmanfilter nicht an. Die R-matrix ist also nicht null. Die Parallele zum Luenberger-Beobachter hat man mir auch erzählt. Der Unterschied ist, dass der Beobachter so einfach ist, dass man ihn mit einem linearen Framework berechnen kann ;) Das hilft mir also bei meinem konkreten Problem nicht.
Gast
#4750239
A. S. schrieb: > Die Parallele zum Luenberger-Beobachter hat man mir auch erzählt. Der > Unterschied ist, dass der Beobachter so einfach ist, dass man ihn mit > einem linearen Framework berechnen kann ;) Eigentlich berechnet der Kalmanfilter nur die Fehlerrückführ-Matrix L anders (Namen gemäß https://de.wikipedia.org/wiki/Beobachter_(Regelungstechnik)#/media/File:Luenberger_Observer.svg ). Wenn das Systemrauschen und Messrauschen konstant ist, das System ein LTI ist, ergibt sich eine konstante Kalman-Verstärkung. Das habe ich auf die schnelle gefunden : http://floba.info/Files/Kalman-Filter/Luenberger-Beobachter_und_Extended_Kalman-Filter_Ein_Vergleich.pdf
#/media/File:Luenberger_Observer.svg){kind=link}
Matthias M schrieb: > Eigentlich berechnet der Kalmanfilter nur die Fehlerrückführ-Matrix L > anders Sehe ich anders. Ein Kalman Filter schätzt x und P, also die Konvarianzmatrix der Zustandshypothese. Im kontinuierlichen Fall scheint das bei konstantem Q und R tatsächlich zu einem konstanten P zusammenzufallen. Mein oben beschriebener Kalman Filter ist aber zeitdiskret formuliert https://en.wikipedia.org/wiki/Kalman_filter#Details Mir ist nicht sofort mathematisch einleuchtend, ob P konvergieren soll. (Im übrigen habe ich es später mit einem Problem zu tun, das keine konstanten Zeitrschritte hat. Damit ist Q und A veränderlich. H und R ändern sich leider auch...)
Gast
#4753042
Im ersten Post redest du aber von konstanten Matrizen... Ich such jetzt nicht nachdem Beweis, daß Luenberger Gain und Kalman Gain auf dasselbe kommen... Aber das dürfte bei LTI stimmen. Es ist also nicht ein "fieser NL Block". Vergleich doch mal und poste bitte!
ich schrieb im letzten Post "später". Also dürfen die Matrizen gerne für den Moment konstant sein. Trotzdem rechnet ein zeitdiskreter Kalmanfilter etwas anderes als ein zeitkontinuierlicher, da es sich um eine Stufenweise Berechnung handelt. Also suche ich auch für den meine Antworten ;)
Gast
#4755042
A. S. schrieb: > Mein oben beschriebener Kalman Filter ist aber zeitdiskret formuliert > https://en.wikipedia.org/wiki/Kalman_filter#Details Ein Kalman Filter ist immer zeitdiskret. Die zeitkintinuierlichen Geschwister heißen "Kalman–Bucy Filter", nur um Sprachverwirrungen vorzubeugen ;-)